超像素级联SVM分类视盘分割算法

陈瑞; 裴晓敏; 柳强

doi:10.13741/j.cnki.11-1879/o4.2023.03.018

您当前的位置：

首页 >

文章列表页 >

超像素级联SVM分类视盘分割算法

光学图像处理与识别 | 更新时间：2025-09-01

- 超像素级联SVM分类视盘分割算法
- A optic disc segmentation algorithm based on superpixels and cascaded SVM classification
- 光学技术 2023年49卷第3期页码：379-384
- 作者机构：
  
  1:辽宁石油化工大学信息与控制学院
- 作者简介：
- 基金信息：
  
  辽宁省自然科学基金指导项目(2019ZD0066);辽宁省教育厅基本科研项目面上项目(LJKZ0399)
- DOI：10.13741/j.cnki.11-1879/o4.2023.03.018
  中图分类号： R775;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
陈瑞, 裴晓敏, 柳强. 超像素级联SVM分类视盘分割算法[J]. 光学技术, 2023,49(3):379-384.

A optic disc segmentation algorithm based on superpixels and cascaded SVM classification[J]. 2023, 49(3): 379-384.
陈瑞, 裴晓敏, 柳强. 超像素级联SVM分类视盘分割算法[J]. 光学技术, 2023,49(3):379-384. DOI： 10.13741/j.cnki.11-1879/o4.2023.03.018.

A optic disc segmentation algorithm based on superpixels and cascaded SVM classification[J]. 2023, 49(3): 379-384. DOI： 10.13741/j.cnki.11-1879/o4.2023.03.018.

摘要

视盘和视杯的精确分割是青光眼计算机辅助诊断的关键，考虑视盘的解剖学特征，提出基于超像素和级联SVM分类实现视盘的精确分割。首先对眼底图像超像素分割，基于视盘的解剖学结构特征，提取超像素的灰度、纹理、几何、位置分布等特征；然后采用基于SVM的监督聚类方法分类超像素区域，两级级联SVM分类器在分类过程中修正超像素位置信息，提升分割精度；最后基于Snake模型修复局部轮廓。在DRIONS和REFUGE数据库视盘分割精度分别为99.87%和99.52%

精度、灵敏度、特异性、AOL和DICE系数均高于该领域典型算法，实验证明所提方法能够精确分割视盘区域，且具有较强的鲁棒性；在青光眼诊断中具有一定的应用价值。

Abstract

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于加权多实例学习的压缩感知目标跟踪

基于多圆快速分割眼底视盘的自动算法

基于SIFT特征点的三维点云模型盲水印算法

基于视觉显著图的数字水印算法

眼底图像中视盘的平滑滤波与CV模型分割

超像素级联SVM分类视盘分割算法

A optic disc segmentation algorithm based on superpixels and cascaded SVM classification

DOI：10.13741/j.cnki.11-1879/o4.2023.03.018

摘要

Abstract

关键词

Keywords

references